Key points are not available for this paper at this time.
Moderne Rückverfolgbarkeitstechnologien versprechen, das Lieferkettenmanagement zu verbessern, indem sie Rückrufe vereinfachen, die Sichtbarkeit erhöhen und nachhaltige Praktiken von Lieferanten verifizieren. Initiativen, die die Implementierung von Rückverfolgbarkeitstechnologien leiten, müssen die kostengünstigste Gruppe von Unternehmen – oder Ausgangsgruppe – auswählen, die für die frühe Adoption angestrebt werden soll. Die Auswahl dieser Ausgangsgruppe ist herausfordernd, da Unternehmen Teil von Lieferketten sind, die in komplexen Netzwerken miteinander verbunden sind, was einen inhärenten Effekt in der Lieferkette erzeugt: Die Vorteile, die aus der Rückverfolgbarkeit gewonnen werden, hängen von der Annahme der Technologie durch eine Teilmenge von Unternehmen in der Lieferkette eines Produkts ab. Wir beweisen, dass das Problem, die kostengünstigste Ausgangsgruppe in einem Lieferkettennetzwerk auszuwählen, schwer zu lösen ist und sogar innerhalb eines polylogarithmischen Faktors schwer näherungsweise zu erfassen ist. Nichtsdestotrotz bieten wir einen neuartigen algorithmusbasierenden Ansatz auf Linearprogrammierung, um die kostengünstigste Ausgangsgruppe zu identifizieren. Der Algorithmus ist parametral fixierbar in der Baumweite des Lieferkettennetzwerks, was wir in realen Lieferkettennetzwerken als niedrig nachweisen. Der Algorithmus ermöglicht es uns auch, leicht berechenbare Schranken für die Kosten der Auswahl einer optimalen Ausgangsgruppe abzuleiten. Wir nutzen unser Werkzeug, um großangelegte numerische Experimente durchzuführen, die Einblicke geben, wie die Struktur des Lieferkettennetzwerks die Diffusion beeinflusst. Diese Einblicke können Managern helfen, ihre Technologie-Diffusionsstrategie zu optimieren. Dieses Papier wurde von Chung Piaw Teo, Optimierung, akzeptiert. Ergänzendes Material: Der Online-Anhang und die Datendateien sind verfügbar unter https://doi.org/10.1287/mnsc.2022.01759.
Blaettchen et al. (Mon,) haben diese Frage untersucht.